📄Работа №32638
Тема: ПРОГНОЗИРОВАНИЕ ФОНДОВОГО РЫНКА С ПОМОЩЬЮ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
Тип работы
Магистерская диссертация
Предмет
Информатика и вычислительная техника
Объем:
51 листов
Год:
2019
Просмотров:
693
4900
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение
1. ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ИЗУЧЕНИЯ ИСКУССТВЕННЫХ
НЕЙРОННЫХ СЕТЕЙ 5
1.1. Нейронные сети 5
2. ПОСТАНОВКА ЗАДАЧИ ПО СОЗДАНИЮ ПРОГРАММЫ ДЛЯ
ПРОГНОЗИРОВАНИЯ ФОНДОВОГО РЫНКА 13
2.1 Цель создания программы для прогнозирования фондового рынка 13
2.2 Выбор инструментов разработки 14
3. ОПИСАНИЕ РАБОТЫ 17
3.1 Выбор методов для реализации 17
3.2 Реализация с помощью LSTM модели 20
ЗАКЛЮЧЕНИЕ 38
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 39
Приложения 40
1. ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ИЗУЧЕНИЯ ИСКУССТВЕННЫХ
НЕЙРОННЫХ СЕТЕЙ 5
1.1. Нейронные сети 5
2. ПОСТАНОВКА ЗАДАЧИ ПО СОЗДАНИЮ ПРОГРАММЫ ДЛЯ
ПРОГНОЗИРОВАНИЯ ФОНДОВОГО РЫНКА 13
2.1 Цель создания программы для прогнозирования фондового рынка 13
2.2 Выбор инструментов разработки 14
3. ОПИСАНИЕ РАБОТЫ 17
3.1 Выбор методов для реализации 17
3.2 Реализация с помощью LSTM модели 20
ЗАКЛЮЧЕНИЕ 38
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 39
Приложения 40
📖 Введение
Искусственные нейронные сети (ИНС) являются важной частью анализа данных, так как они показали хорошие результаты в таких задачах машинного обучения как: прогнозирование, распознавание образов, классификация данных. В зависимости от входных данных применяются разные модели искусственных нейронных сетей.
Основной задачей данной работы является прогнозирование роста или падение акций, основываясь на ситуации на фондовом рынке. Умение хорошо прогнозировать цены на акции было и остается одной из сложных задач для многих исследователей и аналитиков, так как это зависит от нескольких известных и неизвестных факторов. Инвесторы заинтересованы в успешных и хороших инвестициях и поэтому стремятся узнать будущую ситуацию на фондовом рынке. В наше время в период бурного развития компьютерных технологий появляются много новых методов для прогнозирования фондового рынка.
Одним из хороших и эффективных методов являются прогнозирование с помощью нейронных сетей. В данной работе представлена способность нейронных сетей прогнозировать цены на фондовом рынке. В качестве модели нейронной сети была выбрана периодическая или рекуррентная нейронная сеть (англ. Recurrent neural network; RNN) и ее разновидность архитектуры долгая краткосрочная память (англ. Long short-term memory; LSTM) для прогнозирования индексов фондового рынка.
Новизной работы является нахождение наиболее оптимальных параметров, пригодных для прогнозирования акций, путем их тестирования и подбора.
Цель магистерской диссертации - спрогнозировать фондовый рынок с помощью нейронных сетей.
Объект исследования: фондовый рынок.
Предмет исследования: искусственные нейронные сети и их использование для прогнозирования фондового рынка.
Для достижения поставленной цели в работе сформулированы и решены следующие задачи:
1. Анализ работы нейронных сетей.
2. Анализ существующих методов обучения искусственных нейронных сетей.
3. Нахождение обучающих и тестовых выборок в качестве входных данных для нейронной сети.
4. Исследование различных архитектур ИНС.
Основной задачей данной работы является прогнозирование роста или падение акций, основываясь на ситуации на фондовом рынке. Умение хорошо прогнозировать цены на акции было и остается одной из сложных задач для многих исследователей и аналитиков, так как это зависит от нескольких известных и неизвестных факторов. Инвесторы заинтересованы в успешных и хороших инвестициях и поэтому стремятся узнать будущую ситуацию на фондовом рынке. В наше время в период бурного развития компьютерных технологий появляются много новых методов для прогнозирования фондового рынка.
Одним из хороших и эффективных методов являются прогнозирование с помощью нейронных сетей. В данной работе представлена способность нейронных сетей прогнозировать цены на фондовом рынке. В качестве модели нейронной сети была выбрана периодическая или рекуррентная нейронная сеть (англ. Recurrent neural network; RNN) и ее разновидность архитектуры долгая краткосрочная память (англ. Long short-term memory; LSTM) для прогнозирования индексов фондового рынка.
Новизной работы является нахождение наиболее оптимальных параметров, пригодных для прогнозирования акций, путем их тестирования и подбора.
Цель магистерской диссертации - спрогнозировать фондовый рынок с помощью нейронных сетей.
Объект исследования: фондовый рынок.
Предмет исследования: искусственные нейронные сети и их использование для прогнозирования фондового рынка.
Для достижения поставленной цели в работе сформулированы и решены следующие задачи:
1. Анализ работы нейронных сетей.
2. Анализ существующих методов обучения искусственных нейронных сетей.
3. Нахождение обучающих и тестовых выборок в качестве входных данных для нейронной сети.
4. Исследование различных архитектур ИНС.
✅ Заключение
Популярность биржевой торговли стремительно растет, что побуждает исследователей находить новые методы прогнозирования с использованием новых методов. В результате проделанной выпускной работы, для прогнозирования фондового рынка была выбрана рекуррентная нейронная сеть, которая, основываясь на предыдущих исторических данных, умеет приближенно прогнозировать значения, близкие к реальным данным. Техника прогнозирования не только помогает исследователям, но также помогает инвесторам и любому человеку, заинтересованному в инвестировании в фондовый рынок, предоставляя им хорошие знания о будущей ситуации. Рекуррентные нейронные сети (RNN) оказались одной из самых мощных моделей для обработки последовательных данных. Долгосрочная кратковременная память - одна из самых успешных архитектур RNN.
Результаты показывают, что нейронные сети, обученные с достаточными данными и надлежащими входными данными, могут хорошо прогнозировать цены на фондовом рынке, но стоит учитывать ряд независимых внешних факторов, которые способны повлиять на колебания цен акций (политических, экономических и т.д).
Результаты показывают, что нейронные сети, обученные с достаточными данными и надлежащими входными данными, могут хорошо прогнозировать цены на фондовом рынке, но стоит учитывать ряд независимых внешних факторов, которые способны повлиять на колебания цен акций (политических, экономических и т.д).
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.